改进灰狼优化算法的K-Means文本聚类

• 作者: 吕亚娜 张斌 杜秀丽 潘成胜 邱少明
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: K-Means算法 文本聚类 灰狼优化算法 免疫克隆 粒子群
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 188-193
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2004-0016

摘要

针对K-Means算法在文本聚类过程中易陷入局部最优,造成文本聚类结果不准确的问题,提出了一种基于改进灰狼优化算法的K-Means文本聚类方法.在对文本数据进行分词、去停用词、特征提取以及文本向量化后,通过免疫克隆选择选出精英个体,并对精英个体进行深度探索以增加灰狼种群的多样性,避免早熟收敛现象的发生;将粒子群位置更新思想与灰狼位置更新结合,降低灰狼优化算法陷入局部极值的风险;与K-Means算法结合进行文本聚类.所提算法与K-Means算法、GWO-KMeans以及IPSK-Means算法相比,其准确率、召回率和F值平均都有明显提高,文本聚类结果更可靠.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘成胜		73	348	9.0	14.0
2	邱少明		23	29	4.0	4.0
3	杜秀丽		30	65	5.0	6.0
4	吕亚娜		5	7	1.0	2.0
5	张斌		1	0	0.0	0.0